Puolivalvottu yhden luokan SVM
Puolivalvottu yhden luokan SVM laajentaa klassista yhden luokan SVM -poikkeamien tunnistinta sisällyttämällä merkitsemättömiä havaintoja pienen joukon tunnettuja normaaleja esimerkkejä rinnalla. Merkitsemätön data auttaa mallia oppimaan tiukemman, informatiivisemman päätösrajan piirreavaruudessa, vähentäen vääriä positiivisia ja parantaen poikkeamien tunnistusta verrattuna puhtaasti valvomattomaan perustasoon.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Munoz, A. & Muruzabal, J. (2004). Self-Organising Maps for Outlier Detection. Neurocomputing, 58–60, 953–956. link ↗
- Scholkopf, B., Platt, J. C., Shawe-Taylor, J., Smola, A. J., & Williamson, R. C. (2001). Estimating the support of a high-dimensional distribution. Neural Computation, 13(7), 1443–1471. DOI: 10.1162/089976601750264965 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Semi-supervised One-Class Support Vector Machine. ScholarGate. https://scholargate.app/fi/machine-learning/semi-supervised-one-class-svm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Autoenkooderin poikkeamien tunnistusKoneoppiminen↔ compare
- Gaussinen prosessiKoneoppiminen↔ compare
- Isolation ForestKoneoppiminen↔ compare
- Yhden luokan SVMKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →